基于神经网络的退化图像复原算法是一种通过训练深度学习模型来恢复退化图像质量的方法。这种算法利用神经网络的强大表示学习能力，能够学习从模糊、噪声等退化图像中提取出干净、清晰的原始图像信息。

为降低最大后验概率（MAP）超分辨率图像复原算法中模糊参数调整的复杂度，减少迭代运算量，提出了一种超分辨率复原新算法。先抽取一幅低分辨率图像作为参考图像，用其余低分辨率图像估计参考图像，通过训练模糊参数使估计的均方误差最小，自适应地估计最佳模糊参数。然后根据高分辨率图像和参考图像计算多项式之间的可类比性和估计误差变化的线性相关性，将训练结果直接用于超分辨率复原。复原时先利用最佳模糊参数将全部的低分辨率图像信息融合到高分辨率初始图像中，改进了复原运算的处理流程。相对于其他MAP复原算法，新算法不需要人工调整

提出一种利用FPGA实现Hadamard变换光谱仪光谱复原算法的方案。利用具备数字信号处理功能的FPGA对Hadamard编码图像,可以快速地进行 Hadamard逆变换并得到复原图像。根据复原图像可以知道被测目标在各个波段的信息从而获得光谱曲线。实验表明，利用FPGA来完成该型光谱仪的光谱复原可以得到清晰的复原图像和单点光谱曲线，并且与软件得到的处理结果基本相同。该方案可以用于该型光谱仪的实时光谱复原以及基于光谱特征的目标识别领域。

本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。

运动模糊图像复原算法研究.pdf

图像复原算法研究图像复原算法研究.pdf

基于Poisson-Markov分布最大后验概率的多通道超分辨率盲复原算法

在图像获取过程中，存在很多造成图像退化的因素，因此需要对图像进行复原。本文对现有的典型复原方法进行了综合分析。介绍了图像一般退化模型和运动模糊退化模型的建立方法；对退化模型的点扩散函数的估计方法进行了分析；对当前的一些复原算法进行了总结。对图像复原技术未来的发展方向进行了预测。

碎纸片的拼接复原算法及MATLAB实现.doc

运动模糊图像复原算法实现及应用.docx